STUDI POTENSI PENYEBAB MASALAH LALU LINTAS DENGAN METODE CLUSTER ANALYSIS IBU KOTA PROVINSI DI PULAU SUMATERA

Transkripsi

1 STUDI POTENSI PENYEBAB MASALAH LALU LINTAS DENGAN METODE CLUSTER ANALYSIS IBU KOTA PROVINSI DI PULAU SUMATERA Oleh: Hamdeni Medriosa¹, Fredi Desfiana Putra² Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Padang Abstract Adanya era globalisasi di Indonesia menunjukkan kebutuhan sarana transportasi yang cukup tinggi bagi masyarakat. Hal ini berpengaruh dalaam Masalah lalu lintas di Indonesia, baik secara nasional maupun secara lokal termasuk beberapa Kota besar di Pulau Sumatera, masalah lalu lintas memang sangat kompleks, kecendrungan yang terjadi adalah pertambuhan penduduk yang sangat tinggi, bertambahnya jumlah kendaraan yang sangat tinggi, pembangunan infrastruktur seperti jembatan dan jalan, dan Produk Domestik Regional Bruto (PDRB) yang tidak stabil. Dari berbagai hal terebut, dapat kita ketahui dilevel mana dan bagiamana potensi penyebab masalah lalu lintas dibeberapa kota besar di Pulau Sumatera. Dengan metode Cluster Analysis, yang menggunakan software SPSS, masalah tersebut akan dikelompokkan dengan metode hirarkis. Berdasarkan penelitian dengan metode dendogram di peroleh untuk kota Medan berada pada level I dan dilevel II yaitu kota Palembang kecendrungan penyebab masalah lalu lintas yang terjadi di kota ini adalah pertambahan jumlah kendaraan yang tinggi serta jumlah penduduk yang padat, untuk Ibu Kota Provinsi lainnya hanya berada di level selanjutnya. Kata Kunci: Cluster Analysis, SPSS, Hirarkis, Dendogram. 1. PENDAHULUAN Pada saat ini masalah transportasi menjadi masalah yang sangat penting, karena disamping mengindikasikan kemajuan suatu daerah juga sebagai tanda apakah daerah tersebut berkembang atau tidak. Terlebih lagi bagi negara yang sedang berkembang. Dengan adanya era globalisasi tidak dipungkiri bahwa transportasi merupakan sarana penunjang untuk meningkatkan taraf hidup dan kesejahteraan rakyat. (Medriosa;2007) Indonesia adalah negara kepulauan, di mana setiap pulau memiliki kota kota besar yang sangat terpengaruh akibat adanya era globalisasi dengan salah satu Pulau Sumatera dimana pulau ini terdapat beberapa Provinsi yang mempunyai kota besar, seperti Medan, Palembang, Pekan baru dan lainnya. Saat ini kondisi sosial dan tingkat kepadatan penduduk suatu wilayah memiliki pengaruh yang sangat signifikan terhadap kinerja transportasi di suatu wilayah. Penyebab masalah lalu lintas lintas terjadi karena peningkatan jumlah penduduk yang tinggi, panjang jalan, pertambahan jumlah kendaraan bermotor baik roda dua maupun roda empat, dan Produk Domestik Regional Bruto (PDRB), Karena masalah di ataslah maka beberapa kota harus bisa memberikan pelayanan yang memadai, khusunya di bidang transportasi dan sarana angkutan. 2. TINJAUAN PUSTAKA 21. Umum Transportasi merupakan bagian integral dari suatu fungsi masayarakat. Ia menunjukkan hubungan yang sangat erat dengan gaya hidup, jangkauan dan lokasi dari kegiatan yang produktif, dan selingan serta barang-barang dan pelayanan yang tersedia untuk di konsumsi. Indonesia merupakan daerah yang mempunyai masalah lalu lintas yang sangat komplek. Dimana didalam pengelolaannya selalu saja menimbulkan berbagai permasalahan, sehingga kita harus dapat megelompokkan masalah lalu lintas Indonesia ini kedalam suatu organisir tertentu, yang diamati berdasarkan data ke dalam struktur yang penuh arti. Terutama sekali untuk wilayah Indonesia khususnya ibukota provinsi di Pulau Sumatra. (Medriosa;2007) DOI /JM.2017.V ITP Press. All right reserved. 27

2 2.2 Cluster Analysis Tujuan Umum Istilah analisis gugus pertama yang digunakan oleh meliputi sejumlah metoda berbeda untuk menggolongkan object sesama serupa ke dalam kategori masing-masing. Suatu pertanyaan umum yang menghadapi penelitian di dalam area pemeriksaan bagaimana cara mengorganisir diamati data ke dalam struktur penuh arti. (Tryon, 1939). Analisis Cluster termasuk dalam analisis statistik multivariate metode interdependen, sebagai alat analisis interdependen maka tujuan analisis cluster tidak untuk menghubungkan ataupun membedakan dengan sample ataupun variable yang lain. Analisis cluster merupakan salah satu alat analisis yang berguna dalam meringkas data atau sejumlah variabel untuk menjadi lebih sedikit. Analysis cluster bertujuan untuk mengelompokan objek berdasarkan variat yang memiliki kesamaan karakteristik diantara objek-objek tersebut. Objek tersebut akan diklasifikasikan ke dalam satu atau lebih cluster (kelompok) sehingga objek - objek yang berada dalam satu cluster akan mempunyai kemiripan atau kesamaan karakter (Supranto, J ;2004). Dalam melakukan proses meringkas data ini dapat di lakukan dengan jalan mengelompokan objek-objek berdasarkan kesamaan karakteristik tertentu di antara objek- objek yang hendak di teliti. Pembentukan kelompok-kelompok observasi / kasus ini berdasarkan jarak, observasi yang mirip seharusnya berada dalam kelompok yang sama, dan data observasi yang jauh seharusnya berada dalam kelompok yang berbeda. Pembentukan kelompok ini akan di ikuti dengan terjadinya pengelempokan yang menunjukan kedekatan kesamaan antar kasus. (Ariyanto ; 2005). Agar hasil analisis dapat ideal sebaiknya di lakukan beberapa kali analisis cluster dengan menggunakan beberapa metode jarak cluster (LucaGaribaldi; 2003). Beberapa hal yang harus di perhatikan dalam melakukan analisis cluster adalah : 1. Lakukan beberapa kali analisis cluster 2. Pastikan data yang di dapatkan adalah data yang valid, baik secara validitas maupun validitas konten. 3. Berikan justifikasi logika pada output analisis cluster yang telah di keluarkan SPSS, jika output yang di hasilkan jauh dari logika, kemungkinan terjadi berbagai kesalahan baik pengukuran maupun sample.(nursalim AA ; 2006) Dendogram Dendogram adalah output SPSS yang memvisualisasikan hasil analisis cluster yang di di lakukan peneliti. Garis vertical (Y) menunjukan cluster yang di gabung bersama, posisi garis pada skala (X) menunjukan jarak (Distance), dimana cluster di gabung, dendogram harus di baca mulai dari kiri ke kanan Hierarki Cluster dan K Means Cluster Analisis cluster dilakukan dengan dua cara, yaitu Hierarki Cluster dan K Means Cluster, Hierarki Cluster digunakan untuk analisis data dengan sample kecil sedangkan K Means Cluster di gunakan untuk analisis data dengan sample yang relatif besar (>100). Dalam penelitian ini hanya digunakan hierarki cluster karena sampel yang kecil. Sebagai contoh, masalah kemacetan di Indonesia kalau kita telusuri dapat disebabkan oleh beberapa komponen seperti banyaknya jumlah penduduk, panjang jalan, banyaknya jumlah kendaraan dan Produk Domestik Regional Bruto. Hal ini dijadikan landasan dalam faktor-faktor yang mempengaruhi masalah kemacetan, disamping lusanya suatu daerah. Dari faktorfaktor yang komplek itulah dijadikan analisa penyebab masalah kemacetan yang akan kita analisa dengan menggunakan metoda cluster analysis denganmenggunakan software SPSS. (Nursalim AA;2006). Ciri-ciri cluster yang baik adalah (Santoso, S ;2002) : 1. Homogenitas ( within-cluster), yaitu kesamaan yang tinggi antar anggota dalam satu cluster. 2. Heterogenitas ( between-cluster), yaitu perbedaan yang tinggi antar cluster yang satu dengan klaster yang lain. Cluster analysis telah diberlakukan bagi suatu permasalahan riset yang luas menyediakan suatu ringkasan yang sempurna banyak studi diterbitkan yang melaporkan 28

3 hasil analisa seikat. Sebagai contoh, dalam bidang kedokteran, suatu penyakit, cara perawatan untuk penyakit, atau gejala penyakit dapat mendorong kearah yang sangat bermanfaat. Dan di bidang transportasi seperti menganalisa masalah kemacetan dan masalah transportasi lainnya. (Hartigan 1975). 3. METODE PENELITIAN 3.1 Pengumpulan Data Proses pengumpulan data sekunder penelitian ini dilakukan dengan mengunduh data pada website penyedia data. Masingmasing data diunduh secara gratis melalui situs resmi web BPS masing-masing kota maupun Provinsi yang bersangkutan, permintaan data melalui ke masingmasing kantor BPS, dan media cetak online. Data yang digunakan adalah data total jumlah penduduk setiapa kota pertahun dari tahun , data jumlah kendaraan dari tahun diamana jumlah kendaraan terdiri dari jumlah kendaraan roda dua dan lendaraan mobil penumpang,bis dan truck., data panjang jalan yang di dapat dari penjumlahan dari panjang jalan negara ditambah jalan provinsi ditambah lagi dengan jalan kabupaten/kota dari tahun , dan PDRB ADHB setiap kota pertahun dari tahun Untuk penelitian ini akan di ambil data untuk 10 Ibu Kota Provinsi yang ada di Pulau Sumatera, seperti pada pada Gambar 1. Dalam pengumpulan data sekunder ini dikelompokkan dahulu kedalam sub bidang masing masing. Sub bidang masingmasingnya yaitu jumlah penduduk, panjang jalan, jumlah kendaraan dan PDRB. kemudian dikelompokkan berdasarkan tahun dan daerahnya. 3.2 Pengolahan Data Untuk penelitian ini data yang telah dikelompokkan ke dalam sub bidang masing masing, akan di analisis dengan bantuan software IBM SPSS Statistics 23. Pengklasteran dengan IBM SPSS Statistics 23 menggunakan metode Classify - Hierarchical Cluster. Konsep dari metode ini di mulai dengan dengan menggabungkan dua obyek yang paling mirip, kemudian gabungan dua obyek tersebut akan bergabung lagi dengan satu atau lebih obyek yang paling mirip lainnya. Pada akhirnya proses clustering ini akan menggumpal menjadi satu cluster besar yang mencangkup semua obyek, yang akan digambarkan melalui output IBM SPSS Statistics 23 yang digambarkan dengan dendogram. 4. HASIL DAN PEMBAHASAN Wilayah studi penelitian ini meliputi semua daerah daerah ibukota provinsi di Pulau Sumatera, yaitu : Tabel 4.1 Nama Ibukota Provinsi di Pulau Sumatera NO Provinsi Ibu Kota 1 Nanggroe Aceh Banda Aceh Darussalam (NAD) 2 Sumatera Utara Medan 3 Sumatera Barat Padang 4 Riau Pekanbaru 5 Jambi Jambi 6 Sumatera Selatan Palembang 7 Bengkulu Bengkulu 8 Lampung Bandar Lampung 9 Bangka Belitung Pangkal Pinang 10 Kepulauan Riau Tanjung Pinang Sumber : BPS.go.id Gambar 1. Ibu Kota Provinsi di Pulau Sumatera (Google) 29

4 Vol.19 No.1 Februari 2017 Jurnal Momentum ISSN : X 4.1 Hasil Pengumpulan Dataa Data Jumlah Penduduk km, dimana Kota Medan menjadi Kota yang memiliki total panjang jalan yang panjang dibanding dengan Kota lainnya Data Jumlah Kendaraan Grafik 4.1 Jumlah total penduduk di Ibu Kota Provinsi di Pulau Sumatera total jumlah penduduk IbuKota IbuKota Provinsi di Pulau Sumatera dari tahun Jumlah total penduduk pada tahun 1994 yaitu berjumlah juta jiwa dan jumlah total penduduk pada tahun 2014 sebanyak juta jiwa, dimana penduduk terbanyak berada di Kota Medan Data Panjang Jalan Grafik 4.3 Jumlah total kendaraan di Ibu Kota Provinsi di Pulau Sumatera total jumlah kendaraan IbuKota IbuKota Provinsi di Pulau Sumatera dari tahun Jumlah total penduduk pada tahun 1994 yaitu berjumlah juta unit dan jumlah total penduduk padaa tahun 2014 sebanyak juta unit, dimana kendaraan terbanyak berada di Kota Medan Data Jumlah PDRB Grafik 4.2 Jumlah total panjang jalan di Ibu Kota Provinsi di Pulau Sumateraa panjang jalan IbuKOta IbuKota Provinsi di Pulau Sumatera dari tahun Jumlah total panjang jalan padaa tahun 1994 yaitu berjumlah km dan jumlah total penduduk pada tahun 2014 sebanyak Grafik 4.4 Jumlah total PDRB di Ibu Kota Provinsi di Pulau Sumatera 30

5 total jumlah PDRB IbuKota IbuKota Provinsi di Pulau Sumatera dari tahun Jumlah total PDRB pada tahun 1994 yaitu berjumlah Rp ,00,- dan jumlah total PDRB pada tahun 2014 sebanyak Rp ,00,-, dimana PDRB tertinggi berada di Kota Medan. kota Pekanbaru sedangkan untuk kota yang lain berada pada level selanjutnya. 4.2 Hasil Pengolahan dan Analisa Data Hasil dari proses clustering ini maka didapatkan sebuah dendogram, yang mencangkup semua obyek dan menjadi satu cluster besar, berikut adalah dendogram tahun 1994, 1999, 2004, 2009 dan 2014 : Gambar 4.3 Dendogram tahun 2004 II yaitu kota Pekanbaru dan di level III yaitu kota Palembang, Padang dan Bandar Lampung, sedangkan untuk kota yang lain berada pada level selanjutnya. Gambar 4.1 Dendogram tahun 1994 kota Pekanbaru sedangkan untuk kota yang lain berada pada level selanjutnya. Gambar 4.4 Dendogram tahun 2009 kota Pekanbaru dan Padang sedangkan untuk kota yang lain berada pada level selanjutnya. Gambar 4.2 Dendogram tahun

6 mempunyai masalah lalu lintas namun tidak seperti yang terjadi kota di level II apalagi di level I. 5. KESIMPULAN DAN SARAN Gambar 4.5 Dendogram tahun 2014 kota Pekanbaru dan Padang sedangkan untuk kota yang lain berada pada level selanjutnya. 4.3 Pembahasan Analisa Dendogram Setelah melihat dendogram hasil proses clustering di atas, maka dapat di analisa untuk beberapa kota sebagai berikut : a. Medan : untuk 20 tahun dendogram yang ada Medan selalu menepati di level I, dikarenakan diliahat dari empat variabel Kota Medan menjadi kota dengan penduduk terbanyak, jumlah kendaraan terbanyak, panjang jalan dan PDRB tertinggi hal ini tidak lupu karena kota ini adalah salah satu kota metropolitan di Pulau Sumatera. b. Palembang : kota ini hampir selalu masuk dalam level II dalam proses clutering, ini juga dikarenakan kota ini adalah salah satu kota padat penduduk dan juga kenaikan jumlah kendaraan sangat tinggi terjadi di setiap tahun. c. Pekanbaru dan Padang : kedua kota ini adalah salah satu kota besar di Pulau Sumatera, bisa dilihat dari dendogram tahun 2004 Kota Pekanbaru masuk ke level II, masalah yang terjadi di kedua kota ini adalah peningkatan jumlah kendaraan yang cukup tinggi. d. Untuk kota selanjutnya seperti : Bandar Lampung, Banda aceh, Jambi, Bengkulu, Tanjung Pinang, dan Pangkal Pinang juga 5.1 Kesimpulan Dari analisis dan pembahasan, maka dapat diambil beberapa kesimpulan yaitu : 1. Pada analysis cluster yang dilakukan umumnya terdapat 4 (empat) level dalam dendogram. 2. Dari 10 (sepuluh) Ibu Kota provinsi di Pulau Sumatera kota yang paling berpotensi dalam mengalami masalh lalu lintas adalah Kota Medan, Palembang, dimana masing masing berada pada level I dan II. 3. Kota Pekanbaru dan Padang merupakan ibukota provinsi yang mengalami perkembangan yang sangat cepat dari tahun ke tahun dalam potensi penyabab masalah lalu lintas. 4. Ibukota provinsi lainnya selain di atas, juga mempunyai masalah lalu lintas namun tidak sekompleks yang terjadi pada kota yang berada pada level III, II dan I. 5.2 Saran Berdasarkan proses dan hasil penelitian yang telah dilakukan, maka ada beberapa hal yang perlu di perhatikan : 1. Untuk data yang lebih spesifik dan lengkap pengambilan data sebaiknya langsung ke kantor BPS masing masing kota, seperti BPS Kota Padang, Kota Medan. 2. Faktor yang mempengaruhi potensi masalah lalu lintas ditambah satu lagi yaitu luas daerah. 3. Dalam menggunakan program SPSS diharapakan menggunakan program yang versi terbaru agara output yang dihasilkan lebih kompleks sehingga mudah dimengerti. 4. Sangat disarankan agar pengambilan data sekunder, surveyor memahami mengenai hal hal yang akan dilakukan. Daftar Pustaka Aldenderfer, T., (1984), Cluster Analysis,Publishing, Google. Ariyanto.,(2005), Pengembangan Analisis 32

7 Multivariate SPSS 12, Salemba Infotek, Jakarta. Basuki Yudi, (2016), Modul Cluster Planologi, Universiyas Dipenogoro, Semarang. Cahyono, T, (2006), Analisa dampak Lalu Lintas di Beberapa Kota Besa di Indonesia, Publishing, Google. Hartigan, (1975), Cluter Analysis, Publishing, Google. J.A. Hartigan, M.A Wong, (1975), A K- Means Clustering Algorith,. Yale University, New Haven Morlok,E,K (1997), Pengantar Teknik dan Perencanaan Transportasi Erlangga, Jakarta. Nursalim, A,A, (2006), Analysis Cluster dan Penjabaran Dendogram, publishing, Google Pekka malo, (201 5), Cluster Analysis Tutorial, Aalto University, Greater Helsinki, Finland. Peter Tryfos, (1997), Cluster Analysis, Publishing, Google. Santoso, S, (2002), Buku Latihan SPSS Statistik Multivariat, PT Elex Media Komputindo, Jakarta. Supranto, J, (2004 ), Analisis Multivariat Arti dan Interprestasi, PT Rineka Cipta, Jakarta. Walpole, Ronald, E., 1982, Pengantar Statistika Edisi ke-3, cetakan keenam tahun 1995, Gramedia, Jakarta. Web BPS.go.id Yulianto S, Hidayatullah, K,H, (2014) Analysis Cluster Untuk Pengelompokkan Kabupaten/Kota di Provinsi Jawa Tengan Berdasarkan Indikator Kesejahteraan Rakyat, Universitas Muhammadiyah, Semarang. 33